NaN當減去數據幀大熊貓

Question

我有兩個數據幀只有一些重疊的索引和列。

old = pd.DataFrame(index = ['A', 'B', 'C'], 
        columns = ['k', 'l', 'm'], 
        data = abs(np.floor(np.random.rand(3, 3)*10))) 

new = pd.DataFrame(index = ['A', 'B', 'C', 'D'], 
        columns = ['k', 'l', 'm', 'n'], 
        data = abs(np.floor(np.random.rand(4, 4)*10))) 

我想計算他們之間的差異，並試圖

delta = new - old 

這給了很多的NaN，其中指數和列不匹配。我想把索引和列的缺失視爲零，（old ['n'，'D'] = 0）。舊的將永遠是新的子空間。

任何想法？

編輯： 我想我沒有足夠透徹的解釋。我不想用零填充增量數據幀。我想把舊的缺失索引和列視爲零。然後，我會在三角洲而不是NaN中獲得新['n'，'D']的值。

Answer 1

使用sub與fill_value=0：

In [15]: 
old = pd.DataFrame(index = ['A', 'B', 'C'], 
        columns = ['k', 'l', 'm'], 
        data = abs(np.floor(np.random.rand(3, 3)*10))) 
​ 
new = pd.DataFrame(index = ['A', 'B', 'C', 'D'], 
        columns = ['k', 'l', 'm', 'n'], 
        data = abs(np.floor(np.random.rand(4, 4)*10))) 
delta = new.sub(old, fill_value=0) 
delta 

Out[15]: 
    k l m n 
A 0 3 -9 7 
B 0 -2 1 8 
C -4 1 1 7 
D 8 6 0 6